地物高光谱技术已被用于土壤有机质（SOM)等理化参数速测, 但由于含水量、 粗糙度等因素的影响, 基于遥感影像的SOM空间反演精度较低。 为此引入时相信息, 将时像信息与光谱信息结合对研究区SOM进行预测, 使预测模型精度显著提高。 以黑龙江典型黑土区（北安市南部、 海伦市中部、 绥化市东部、 绥棱县西南部、 望奎县中部)为例, 获取多期MODIS影像, 利用MODIS数据高时间分辨率的优势, 研究含水量对土壤反射光谱曲线的影响; 基于SOM与含水量对反射率的综合作用分析, 建立SOM遥感预测模型。 结果表明: (1)利用单期影像建立的SOM光谱预测模型, 未加入含水量变化对土壤反射光谱曲线的影响信息, 基于年积日（DOY)117, 119, 130, 140, 143单期影像建立的SOM预测模型, RMSE分别为0591, 0522, 0545和0553, R2分别为0505, 0614, 0562, 0568和0645, 模型精度及稳定性较低; (2)利用年积日119和143多时相影像建立的SOM预测模型, 考虑了含水量与SOM的综合作用, RMSE为0442, R2为0723, 模型精度、 稳定性得到显著提高。 研究成果对于区域土壤肥力评价、 土壤碳库储量估测、 精准农业发展有重要意义。

在精准农业领域, 田块尺度土壤理化性质、 作物长势、 产量等存在极显著的空间异质性。 高光谱遥感侧重于光谱维度信息的提取, 未充分利用空间与时相信息, 限制了植被长势、 生物量与产量的监测精度。 传统格网采样与地统计空间插值方法, 耗时费力、 成本高, 难以推广; 而遥感技术可以获取农作物生理参数的时空异质性信息, 可以用于田块尺度的精准管理分区(SSMZ)。 以田块尺度棉花地为研究对象, 获取时间序列航空高光谱遥感影像, 分析不同长势棉花的反射光谱特征, 构建光谱指数, 综合光谱、 时相、 空间维度信息, 利用面向对象方法进行精准管理分区, 建立产量遥感预测模型。 结果表明: 综合多维信息的面向对象分割方法优于基于象元的方法, 可以部分消除遥感与产量数据噪声, 提高棉花估产精度; 不同植被指数与棉花产量的相关系数排序为一阶微分、 NDVI、 OSAVI、 二阶微分; 对于同一尺度、 单一时相, 一阶微分产量预测模型精度较高, 多时相多光谱植被指数也可以得到较高精度; 对于同一输入量、 不同尺度, 较少SSMZ个数的棉花产量预测模型精度更高、 稳定性更好, 这是由于影像与产量数据的空间定位存在一定的误差造成。 研究成果将丰富作物长势、 估产方法, 提高遥感监测精度, 加速无人机遥感在相关领域的应用。